基于RS-SVM的煤炭自燃预警系统研究及应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-18页 |
| ·研究背景和研究意义 | 第10-11页 |
| ·煤炭在空气中自热自燃的相关知识 | 第11-13页 |
| ·国内外对煤炭自燃预警技术的研究状况 | 第13-17页 |
| ·传统的预测方法 | 第13-16页 |
| ·基于智能算法的预测方法 | 第16-17页 |
| ·本论文的主要工作以及章节安排 | 第17-18页 |
| 2 RS-SVM煤炭自燃预警模型理论基础 | 第18-30页 |
| ·粗糙集理论基础 | 第18-20页 |
| ·知识与不可分辨关系 | 第18-20页 |
| ·属性约简 | 第20页 |
| ·支持向量机理论基础 | 第20-29页 |
| ·机器学习模型 | 第21-22页 |
| ·经验风险最小化原理 | 第22-23页 |
| ·学习过程的一致性 | 第23-24页 |
| ·VC维 | 第24页 |
| ·结构风险最小化原则 | 第24-25页 |
| ·线性支持向量机 | 第25-28页 |
| ·非线性支持向量机 | 第28-29页 |
| ·RS-SVM用于煤炭自燃预测系统的可行性分析 | 第29-30页 |
| 3 火灾预警系统中的属性约简算法 | 第30-33页 |
| ·属性约简算法的描述 | 第30页 |
| ·属性约简算法在本系统中的应用 | 第30-33页 |
| 4 火灾预警系统中支持向量机的参数选取 | 第33-39页 |
| ·支持向量机的参数选取问题 | 第33页 |
| ·常用的参数选取算法 | 第33-35页 |
| ·网格搜索法(GS) | 第34页 |
| ·粒子群算法(PSO) | 第34-35页 |
| ·遗传算法(GA) | 第35页 |
| ·交叉验证法 | 第35-36页 |
| ·参数选取算法的对比实验 | 第36-39页 |
| 5 基于RS-SVM的煤炭自燃预警算法实验研究 | 第39-51页 |
| ·煤炭自燃发火的实验研究 | 第39-48页 |
| ·实验设备介绍 | 第39-41页 |
| ·实验步骤 | 第41-42页 |
| ·实验数据 | 第42-45页 |
| ·实验数据分析 | 第45-47页 |
| ·实验结论 | 第47-48页 |
| ·RS-SVM模型的算法步骤 | 第48-49页 |
| ·RS-SVM模型与其他算法的对比实验 | 第49-50页 |
| ·决策分类依据 | 第49页 |
| ·对比实验 | 第49-50页 |
| ·实验结果分析 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 后记或致谢 | 第55-56页 |
| 作者简介及读研期间主要科研成果 | 第56页 |
